一种基于离焦量预测的激光熔覆薄壁件高度控制方法技术

本发明专利技术属于激光熔覆成形技术领域，涉及一种基于离焦量预测的激光熔覆薄壁件高度控制方法。本发明专利技术提供了熔池图像的四种特征参数，更加全面的反映了熔池的特征，从而能够更加准确的预测离焦量的值；与以往的LSTM神经网络相比，本发明专利技术改进后的具有长记忆门的LSTM神经网络对熔池图像的四种特征参数序列进行处理，除了能预测出下一时刻离焦量，还能输出当前熔覆层的离焦量总和，能够和PID控制很好的结合；本发明专利技术利用离焦量总和求得的离焦量平均值随打印层数的变化而变化，是根据实际工况实时计算出来的，能够更好的反映出每层熔覆层高度特征，从而能够更加精确的调节激光功率，实现薄壁件高度的控制。

【技术实现步骤摘要】
一种基于离焦量预测的激光熔覆薄壁件高度控制方法
本专利技术属于激光熔覆成形
，具体的，涉及一种基于离焦量预测的激光熔覆薄壁件高度控制方法。
技术介绍
在激光熔覆过程中，是以大功率激光作为移动热源，在金属基体上熔出熔池的同时将金属粉末送入，随着热源的离去凝固成一条熔覆轨迹，多条轨迹的堆叠形成薄壁件。在薄壁件的成形过程中会出现高度不稳定的现象，即在薄壁件成形的过程中，由于散热不足，导致热量积累，温度不断升高，熔池形状不稳定，成形高度增加缓慢，从而导致薄壁件上表面光滑，最终影响薄壁件的成形质量。所以有必要对激光熔覆过程中的薄壁件高度进行控制，以保证薄壁件的成形质量。在激光熔覆过程中，影响熔池温度的主要因素有激光功率、扫描速度、送粉速度等。而激光功率作为唯一的能量输入源，激光功率对温度的影响最直接，从而影响薄壁件成形高度。因此控制好激光功率能够有效控制薄壁件成形高度，根据合适的工况选择合适的激光功率成为一个需要解决的问题。专利号CN108907192A——《一种基于温度预测的激光熔覆薄壁件精确成形的控制方法》公开了一种基于温度预测的激光熔覆薄壁件精确成形的控制方法，该方法通过以目标熔宽、熔高为补偿目标，对实际成形尺寸进行补偿，确定合适的功率调整曲线和每层提升量。但是该方法只能按照设定好的功率调整曲线进行功率调整，缺少对不同工况适应性。专利号CN112381095A——《基于深度学习的电弧增材制造层宽自抗扰控制方法》公开了一种基于深度学习的电弧增材制造层宽自抗扰控制方法，该方法利用Encoder-Decoder分割网络对熔池图像进行阈值分割，获得图像的二值图，进而获得熔池宽度特征。然而，该方法对熔池宽度的控制采用了二阶传递函数，此种控制方法比较依赖于参数的选取，且不适用于进行多层激光熔覆时的熔池宽度控制。
技术实现思路
针对现有技术的不足，本专利技术提供一种基于离焦量预测的激光熔覆薄壁件高度控制方法。该方法在激光熔覆加工过程中，能够根据预测得到的离焦量值，实时调整激光功率，使得薄壁件的高度每层能够平稳增加，最终获得熔覆质量较高的薄壁件。本专利技术的技术方案：一种基于离焦量预测的激光熔覆薄壁件高度控制方法，包括以下步骤：步骤S1、图像特征提取：利用同轴高速相机获得激光熔覆薄壁件加工过程同轴熔池图像流，并利用图像处理方法提取图像特征向量，当离焦量发生变化时，同轴图像的亮度等特征会发生变化，故可以反映出离焦量的变化，进而反映出薄壁件高度的变化；步骤S2、离焦量预测：将步骤S1提取的图像特征向量组成时间序列，图像特征向量和离焦量是一一对应的关系，即一组图像特征向量对应一个离焦量。将图像特征向量时间序列输入到训练好的改进的LSTM神经网络中，LSTM神经网络输出下一时刻的离焦量d(t)的同时，输出当前熔覆层所有离焦量的总和利用当前熔覆层所有离焦量的总和，求出离焦量平均值步骤S3、PID控制系统调节激光功率：将步骤S2中预测的离焦量的值d(t)作为PID控制的输入值，将步骤S2中求出的离焦量平均值作为PID控制中的设定值；PID控制系统根据d(t)与的差值Δd(t)调节激光器激光功率，使预测的离焦量的值d(t)趋近于设定值从而保证薄壁件每层的高度稳定，保证成形质量；所述步骤S1中所得到的图像特征包括：熔池头部纹理面积、熔池宽度、边缘面积和熔池整体图像面积。所述步骤S2中的改进的LSTM神经网络，在传统LSTM神经网络的基础上增加长记忆状态，用来记录整个预测过程中每个预测值之和，即之前所有离焦量的总和。所述的改进的LSTM神经网络是在传统LSTM神经网络的基础上的改进，传统LSTM神经网络中隐藏层有两个状态，隐层h和细胞状态c，改进的LSTM神经网络有三个状态，隐层h、细胞状态c和长记忆状态lm。对应的，传统LSTM神经网络的门控结构由遗忘门、输入门和输出门组成，而改进的LSTM神经网络的门控结构由遗忘门、输入门、输出门和长记忆门组成。长记忆状态由长记忆门计算而来，用来记录整个预测过程中每个预测值之和，长记忆门lmt的定义为：lmt＝σ(ht-1·V+b)+lmt-1其中，lmt-1为上一时刻之前所有预测的离焦量之和，ht-1为上一时刻隐层状态，V为隐层h到输出lm的权重矩阵，b为偏转矩阵，σ为sigmoid激活函数。所述步骤S2中改进LSTM神经网络训练过程包括：S21、数据采集：进行薄壁件熔覆预实验，采集不同加工条件下，薄壁件加工过程的同轴熔池图像，同时利用旁轴相机记录下同轴图像对应的薄壁件的离焦量。S22、数据预处理：利用步骤S1中的图像处理方法，提取同轴熔池图像特征参数向量，并作归一化处理；计算出离焦量的值和离焦量总和作为图像特征参数向量的标签；对处理好的数据按照比例划分为训练集和测试集。构建三维(N,W,F)数字阵列，其中N为输入数据，即图像特征向量序列，W为图像特征向量对应的标签序列，由两类数据构成，一类为离焦量，另一类为离焦量总和，两类数据均和图像特征序列相对应，F为时间步长，即要预测的时间长度。S23、建立模型：搭建若干层LSTM神经网络，每层LSTM神经网络包括输入门、遗忘门、输出门和长记忆门，在LSTM神经网络后添加Dropout层以防止过拟合，在Dropout层后添加Dense层，将LSTM神经网络层输出的中间变量转换为离焦量的值及离焦量总和；模型所采用的损失函数为均方差损失函数(MAE)。S24、保存模型：模型训练完成后，将模型权重保存，用于离焦量值的预测并为PID控制系统提供输入。本专利技术的有益效果：(1)本专利技术提供了熔池图像的四种特征参数，更加全面的反映了熔池的特征，从而能够更加准确的预测离焦量的值。(2)与以往的LSTM神经网络相比，本专利技术改进后的具有长记忆门的LSTM神经网络对熔池图像的四种特征参数序列进行处理，除了能预测出下一时刻离焦量，还能输出当前熔覆层的离焦量总和，能够和PID控制很好的结合。(3)本专利技术利用离焦量总和求得的离焦量平均值随打印层数的变化而变化，是根据实际工况实时计算出来的，能够更好的反映出每层熔覆层高度特征，从而能够更加精确的调节激光功率，实现薄壁件高度的控制。附图说明图1为本专利技术激光熔覆加工过程所采用的装置结构示意图；图2为本专利技术改进的LSTM结构图；图3为本专利技术的控制流程图。图中：1激光器；2位移装置；3激光头；4材料进给装置；5图像同采集单元；6计算机及控制单元。具体实施方式为使本专利技术的目的、技术方案和优点更加清楚，下面将结合附图及实施例对本专利技术作进一步地详细描述。参看图1，本专利技术方法的硬件平台包括：激光器1：所述激光器1为半导体激光器；位移装置2：所述位移装置2为六轴机器人；激光头3：所述激光头3为激光熔覆头；材料进给装置4：所述材料进给装置4为送粉器；图像同轴采集单元5：所述图像同轴采集单元中5的视本文档来自技高网...

【技术保护点】
1.一种基于离焦量预测的激光熔覆薄壁件高度控制方法，其特征在于，包括以下步骤：/n步骤S1、图像特征提取：利用同轴高速相机获得激光熔覆薄壁件加工过程同轴熔池图像流，并利用图像处理方法提取图像特征向量；/n步骤S2、离焦量预测：将步骤S1提取的图像特征向量组成时间序列，图像特征向量和离焦量是一一对应的关系，即一组图像特征向量对应一个离焦量；将图像特征向量时间序列输入到训练好的改进的LSTM神经网络中，LSTM神经网络输出下一时刻的离焦量d(t)的同时，输出当前熔覆层所有离焦量的总和

【技术特征摘要】
1.一种基于离焦量预测的激光熔覆薄壁件高度控制方法，其特征在于，包括以下步骤：
步骤S1、图像特征提取：利用同轴高速相机获得激光熔覆薄壁件加工过程同轴熔池图像流，并利用图像处理方法提取图像特征向量；
步骤S2、离焦量预测：将步骤S1提取的图像特征向量组成时间序列，图像特征向量和离焦量是一一对应的关系，即一组图像特征向量对应一个离焦量；将图像特征向量时间序列输入到训练好的改进的LSTM神经网络中，LSTM神经网络输出下一时刻的离焦量d(t)的同时，输出当前熔覆层所有离焦量的总和利用当前熔覆层所有离焦量的总和，求出离焦量平均值
步骤S3、PID控制系统调节激光功率：将步骤S2中预测的离焦量的值d(t)作为PID控制的输入值，将步骤S2中求出的离焦量平均值作为PID控制中的设定值；PID控制系统根据d(t)与的差值Δd(t)调节激光器激光功率，使预测的离焦量的值d(t)趋近于设定值从而保证薄壁件每层的高度稳定，保证成形质量；
所述步骤S2中的改进的LSTM神经网络，包括三个状态，分别是隐层h、细胞状态c和长记忆状态lm；门控结构由遗忘门、输入门、输出门和长记忆门组成；
长记忆状态由长记忆门计算而来，用来记录整个预测过程中每个预测值之和，长记忆门lmt的定义为：
lmt＝σ(ht-1·V+b)+lmt-1
其中，lmt-1为上一时刻之前所有预测的离焦量之和，ht-1为上一时刻隐层状态，V为隐层h到输出lm的权重矩阵，b为偏转矩...

【专利技术属性】
技术研发人员：刘伟嵬，杨征宇，王灏，孙慧，李涛，刘淑杰，张元良，
申请(专利权)人：大连理工大学，
类型：发明
国别省市：辽宁;21